Fusión de datos distribuida en redes de sensores visuales utilizando sistemas multi-agente

  1. Castanedo Sotela, Federico
Dirigida por:
  1. Miguel Ángel Patricio Guisado Director/a
  2. Jesús García Herrero Director/a

Universidad de defensa: Universidad Carlos III de Madrid

Fecha de defensa: 15 de julio de 2010

Tribunal:
  1. José Manuel Molina López Presidente/a
  2. Antonio Berlanga de Jesús Secretario/a
  3. James Llinas Vocal
  4. José Ramón Casar Corredera Vocal
  5. Juan Manuel Corchado Rodríguez Vocal

Tipo: Tesis

Resumen

Las técnicas de fusión de datos han surgido como una solución al problema de combinar de forma óptima múltiples fuentes de información redundantes; de esta manera, representan una alternativa que mejora (cuando se utiliza correctamente) los sistemas basados en una sola fuente de información. Esta mejora viene proporcionada por la redundancia inherente en los sistemas que utilizan múltiples fuentes de información. En esta tesis, se estudian las técnicas de fusión datos existentes en la actualidad y su aplicación al dominio de las redes de sensores visuales. Una red de sensores visuales consiste en un conjunto de cámaras, distribuidas de forma lógica, espacial o geográfica en un entorno y conectadas por una red de transmisión. La información del entorno, obtenida por las redes de sensores visuales, se encuentra distribuida y debe ser combinada o integrada utilizando técnicas de fusión de datos. Para que la fusión de los datos del entorno, obtenidos por la red de sensores visuales, pueda ser llevada a cabo de una forma óptima, es necesario disponer de una arquitectura software que proporcione la comunicación entre los nodos implicados y la suficiente flexibilidad al proceso de fusión. El paradigma de los sistemas multi-agente, se ha establecido dentro de la comunidad de inteligencia artificial, como el conjunto de tecnologías que pretenden proporcionar los principios para construir sistemas complejos que involucran múltiples agentes y los mecanismos para coordinar los comportamientos individuales de los agentes y las comunicaciones entre ellos. En este contexto, se propone el uso de los sistemas multi-agentes para construir redes de sensores visuales que utilicen técnicas de fusión de datos para mejorar el proceso visual. La primera parte de este documento, se dedica a revisar el estado actual de las técnicas, métodos y algoritmos de fusión de datos clásicos (en su modalidad centralizada y distribuida) y de los sistemas multi-agente, haciendo hincapié en aquellos que han sido aplicados en el dominio de las redes de sensores visuales. Debido a la gran extensión de los trabajos existentes en estas tres áreas (fusión de datos, sistemas multi-agente y visión artificial), esta sección no pretende ser una revisión exhaustiva, sino un marco para establecer el contexto de este trabajo y una forma de resaltar los trabajos más destacados en cada área. La segunda parte, proporciona una descripción de la propuesta realizada dentro de las redes de sensores visuales, que consiste en el diseño e implementación de una arquitectura multi-agente que realiza fusión de datos dentro de una red de sensores distribuidos. Entre todos los tipos de arquitecturas multi-agente se ha optado por el uso de una arquitectura híbrida (de tipo Belief-Desire-Intention), ya que representa de forma explícita el conocimiento frente a otras arquitecturas puramente reactivas. La principal aportación de la arquitectura propuesta es el uso de la tecnología de sistemas multi-agente para modelar las redes de sensores visuales y realizar la fusión de los datos. En concreto se propone utilizar una fusión activa, la cual aporta la ventaja de que los agentes involucrados en el proceso de fusión se auto-corrijan; además, se establecen las bases de protocolos para la formación de coaliciones dinámicas entre los agentes involucrados en el proceso. El sistema desarrollado se ha probado de forma experimental, por un lado utilizando información obtenida por varias cámaras desplegadas dentro del laboratorio de investigación y por otro lado utilizando conjuntos de datos disponibles dentro de la comunidad de visión artificial para la investigación.